GRAB 用序列优先生成式模型预测广告点击率

传统深度学习推荐模型（DLRM）在性能和效率上面临日益明显的瓶颈，尤其难以处理泛化和长序列建模。受大语言模型规模扩展成功的启发，我们提出百度广告生成式排序框架GRAB，用端到端生成式模型预测点击率（CTR）。GRAB引入因果行为感知多通道注意力（CamA），有效捕捉用户行为序列的时间动态与特定行为信号。全面线上部署表明，GRAB显著优于既有DLRM，带来3.05%的收入提升和3.49%的点击率提升。模型还表现出良好的规模扩展特性：随着采用更长的交互序列，其表达能力呈单调、近似线性改善。